张阔在蹦床项目上不断突破、上海示范申报勇于追求，被公认为实力与天分兼备的体育健将。

图3-11识别破坏晶格周期性的缺陷的深度卷积神经网络图3-12由深度卷积神经网络确定的无监督的缺陷分类图3-13不同缺陷态之间转移概率的分析4机器学习在材料领域的研究展望与其他领域，启动汽车如金融、启动汽车互联网用户分析、天气预测等相比，材料科学利用机器学习算法进行预测的缺点就是材料中的数据量相对较少。以上，年度便是本人对机器学习对材料领域的发展作用的理解，如果不足，请指正。

首先，燃料利用主成分分析法（PCA）对铁电磁滞回线进行降噪处理，燃料降噪后的磁滞曲线由（图3-7）黑线所示，能够很好的拟合磁滞回线所有结构特征，解决了传统15参数函数拟合精度不够的问题（图3-7）红色。利用k-均值聚类算法，电池根据凹陷中心与红线的距离，对磁滞回线的转变过程进行分类。应用（e）分层域结构的横截面的示意图。

项目图3-8压电响应磁滞回线的凸壳结构示例（红色）。文章详细介绍了机器学习在指导化学合成、工作辅助多维材料表征、工作获取新材料设计方法等方面的重要作用，并表示新一代的计算机科学，会对材料科学产生变革性的作用。

图3-7 单个像素处压电响应的磁滞回线：上海示范申报原始数据（蓝色圆圈），传统拟合曲线（红线）和降噪处理后的曲线（黑线）。

启动汽车阴影区域表示用于创建凹度曲线的区域图3-9分类模型精确度图图3-10（a~d）由高斯拟合铁电体计算的凹面积图。然而，年度进一步缩短烷基链，导致BTP-eC7的溶解度显著降低。

燃料【相关优质文献推荐】JianhuiHou*,OlleInganas,RichardH.FriendandFengGao*,Organicsolarcellsbasedonnon-fullereneacceptors. Nat.Mater. 2018,17,119-128.HuifengYao,YongCui,DepingQian,CarlitoS.Ponseca,AlirezaHonarfar,YeXu,JingmingXin,ZhenyuChen,LingHong,BoweiGao,RunnanYu,YunfeiZu,WeiMa,PavelChabera,TönuPullerits,ArkadyYartsev,FengGao, and JianhuiHou*,14.7%EfficiencyOrganicPhotovoltaicCellsEnabledbyActiveMaterialswithaLargeElectrostaticPotentialDifference, J.Am.Chem.Soc. 2019,141,7743-7750.YongCui,HuifengYao*,LingHong,TaoZhang,YabingTang,BaojunLin,KaihuXian,BoweiGao,CunbinAn,PengqingBi,WeiMa,andJianhuiHou,17%efficiencyorganicphotovoltaiccellwithsuperiorprocessability. Nat.Sci.Rev. 2019, DOI: 10.1093/nsr/nwz200.LingHong,HuifengYao*,ZiangWu,YongCui,TaoZhang,YeXu,RunnanYu,QingLiao,BoweiGao,KaihuXian,HanYoungWoo*,ZiyiGe*,andJianhuiHou*,Eco-CompatibleSolvent-ProcessedOrganicPhotovoltaicCellswithover16%Efficiency, Adv.Mater. 2019, 31,1903441.YongCui,YumingWang,JonasBergqvist,HuifengYao,YeXu,BoweiGao,ChenyiYang,ShaoqingZhang,OlleInganäs,FengGao*,andJianhuiHou*,Wide-gapnon-fullereneacceptorenablinghigh-performanceorganicphotovoltaiccellsforindoorapplications, Nat.Energy 2019,4,768-775.YongCui,HuifengYao,*TaoZhang,LingHong,BoweiGao,KaihuXian,JinzhaoQin,andJianhuiHou*,1cm2OrganicPhotovoltaicCellsforIndoorApplicationwithover20%Efficiency, Adv.Mater. 2019,31,1904512.YeXu,HuifengYao*,LijiaoMa,LingHong,JiayaoLi,QingLiao,YunfeiZu,JingwenWang,MengyuanGao,LongYe,JianhuiHou*Tuningthehybridizationoflocalexcitonandcharge‐transferstatesinhighlyefficientorganicphotovoltaiccells,Angew.Chem.Int.Ed.Engl.doi:10.1002/anie.201915030本文由木文韬翻译。近来，电池一种名为Y6的NFA及其衍生物因其优异的光伏性能而备受关注。

应用 【图文导读】图1Y6分子构型的图解空间填充模型突出显示了两种烷基链（以绿色和红色显示）。第三步：项目调整边缘上的烷基链（本工作中，C9和C7分别取代边缘上的C11制备BTP-eC9和BTP-eC7）。